整合了101个机器学习算法组合,揭示了结直肠癌中m6A/m1A/m5C/m7G相关的预后特征

科学领域:

• 在瘤学瘤学.
• 分子生物学分子生物学
• 生物信息学是一种生物信息学.

背景情况:

• 结肠直肠癌 (CRC) 是癌症死亡的主要原因,预后工具有限.
• 包括m1A,m5C,m6A和m7G在内的RNA修饰越来越多地与癌症进展有关.
• 结合RNA甲基化调节剂在CRC中的预后价值仍未得到充分研究.

研究的目的:

• 为了研究综合m6A/m5C/m1A/m7G甲基化修饰在结直肠癌的预后作用.
• 开发和验证一个强大的RNA甲基化相关签名 (RMS),用于预测CRC患者的生存率和治疗反应.

主要方法:

• 利用TCGA和GEO数据的共识聚类和加权基因共同表达网络分析 (WGCNA) 来识别CRC分子亚型和相关基因.
• 开发了一种基于101算法的RNA甲基化相关签名 (RMS),使用Cox回归分析跨越五个独立队列 (n=989).
• 验证了RMS用于生存预测,免疫细胞透以及对免疫疗法和化疗的反应,确定了潜在的治疗点.

主要成果:

• 在CRC中确定了三种m6A/m1A/m5C/m7G相关的分子亚型.
• 开发的RMS准确地预测了多个队伍的整体存活率,并作为一个独立的预后因素.
• 低风险患者表现出更高的免疫透率和更好的免疫疗法/化疗反应,TERT被确定为高风险患者的潜在治疗标.

结论:

• 与RNA甲基化相关的签名 (RMS) 为结直肠癌患者提供了准确的预后预测.
• RMS有效地预测免疫治疗和化疗反应,有助于个性化治疗选择.
• 这种签名提供了一个有前途的工具,用于指导临床预后和个性化治疗在CRC管理.